您现在的位置是:首页 > 理财资讯

理财资讯

银行业首次!农行发布金融科技创新年度报告

2021-02-18 08:51:37 fx358财富网
1月15日,农行发布《中国农业银行金融科技创新年度报告(2020)》(下称“报告”),系统阐述了2020年农行在金融科技方面的成果。随着数字化转型的纵深推进,农行数字化转型战略呈现双向

1月15日,农行发布《中国农业银行金融科技创新年度报告(2020)》(下称“报告”),系统阐述了2020年农行在金融科技方面的成果。

随着数字化转型的纵深推进,农行数字化转型战略呈现双向驱动的势态:自上向下的战略推动,自下而上的创新反馈。

在战略方面,农行早已提出“推动数字化转型,再造一个农业银行”,2020年,农行发布了“iABC"信息科技战略,即:“智慧(intelligent)的农业银行(ABC)、我(i)的农业银行(ABC)、融合(integrated)的农业银行(ABC)、科技助力(impetus)的农业银行(ABC)。

在自下而上的创新应用方面,报告介绍了农行在人工智能、云计算、大数据、数字货币等领域的应用成果。

技术创新应用取得多项进展

人工智能应用的关键是用机器代替人工,衡量人工智能技术的发展水平,标准之一是要看机器有“多像人”,人的活动包括感知、行动、学习、推理决策等。对于人工智能来说,实现“感知智能”是实现“认知智能”的核心步骤。

2020年,农行在“感知智能”“认知智能”方面均取得了一定的成果。声纹识别、自然语言处理等技术可以提高人工智能的感知能力,知识图谱、自动化机器学习等技术可以提升AI学习推理能力。

2020年10月,农行选定“惠农e贷白名单数据核查外呼”场景,开展声纹识别技术联合创新工作,12月业务上线,快速完成创新技术的线上业务验证。报告也指出,下一步,农行将基于“云识”平台推广声纹识别技术。

至2020年底,农行知识图谱引擎当前已为3个总行业务部门,2家分行提供“资产输出+模型输出”服务。基于转账关系的反洗钱可疑客户识别模型识别准确率较传统规则模型大幅提升;基于转账、还款关系图谱,构建信用卡欺诈客户识别模型,有效提升了信用卡风控精细化水平;信用卡分期客户资金回流监测模型,实现对有资金回流或资质风险的分期账户的精准识别。

云计算方面,农行在IaaS、PaaS、Serverless、云数据库等方面取得进展。

2020年,农行初步建成IaaS云平台,完成基础架构从硬件定义向软件定义转型;扩大PaaS的推广范围;同时,在PaaS基础上,农行引入Serverless、云数据库等新技术。

农行建成企业级Serverless研发平台,形成“云开发、轻程序”的云端一体的轻量化云平台。结合自研的轻量小程序研发框架,将开放银行的场景建设周期缩短50%以上。

大数据方面,2020年全年,农行新增主题数据模型5000+个、数据接口5000+个,沉淀2000+个标签,完成3000+个指标,覆盖个人、对公、网金等22个业务条线;成功打造数据中台门户,对外提供全方位、一站式数据服务。依托BI平台实现涵盖指标、标签、报表、大屏和灵活查询的全方位BI解决方案,建设多维分析引擎,实现亿级数据的秒级响应,全年已开放347项分析维度、5000+指标标签分析验算。数据可视化中心完成从0到1的建设,支撑80余项大屏报告建设,支持总分行业务场景建设。

数字货币方面,农行已搭建数字货币核心系统,实现数字货币的兑出、兑回、转账、支付等各项基础功能。

围绕数字货币场景创新,2020年,农行在政府发薪、公共交通、医院缴费、校园生活、服务三农、线下零售等行业拓展试点场景,业内首个将数字货币应用于三农产供销全产业链。

随后,报告介绍了未来农行在技术创新、人才布局等方面将怎样做。

未来:不创新会被淘汰,创新慢等于落后

报告介绍,当前,部分尚处于孵化阶段的创新技术未来将对金融领域产生巨大影响,比如5G消息、联邦学习等,农行对此已经有所预研。

2020年10月,农行启动了消息服务平台的升级工作,5G消息试点将于2021年正式上线;2020年农行正式启动联邦学习技术研究和场景落地工作,已完成联邦学习FATE开源框架和神盾联邦学习框架的测评工作,并结合行内外的业务相关应用场景,拟以深圳分行作为试点,探索联邦学习在行内的应用落地途径。

对未来的金融科技布局,除了技术先行,占据先发优势之外,通过布局业务架构、科技人才等,对于完善创新体系至关重要。

银行金融科技应用的一大问题是技术、业务、客户割裂,快速响应困难。针对这一现状,报告称,可以从从产品和客户两个维度,扩大深化科技部门与前台部门之间的协作,以售前工程师队伍为纽带,面向金融科技特性显著、技术引领作用突出的产品创新重点热点领域,建立贯穿产品全生命周期和客户营销全过程的业技融合机制。同时,形成敏锐的数字思维能力,以数据指导产品设计开发;形成准确的需求切分能力,实现大系统小做的快速迭代。

在科技人才方面,可以从行内挖掘、行外引进多个方面着手。

行内,选拔复合型科技人才,加强全行产品经理、客户经理、数据分析师、科技项目经理“四支队伍”建设,建立金融科技专家库机制。

行外,重点加强大数据分析、人工智能、区块链应用等金融科技专家型人才的引进。探索通过猎头推荐的方式,以市场化薪酬加大对战略急需的高端信息科技领军人才的引进力度。